Systemy uczące się to algorytmiczne metody uczenia się na podstawie danych, które zyskały na znaczeniu dzięki wzrostowi mocy obliczeniowej komputerów i pojemności pamięci. Umożliwiło to gromadzenie i przetwarzanie ogromnych ilości informacji, co stanowi podstawę eksploracji danych, znanej również jako data mining. W książce omówiono różnorodne metody klasyfikacji, w tym klasyfikację pod nadzorem oraz metody oparte na rozkładach prawdopodobieństwa, takie jak klasyfikator bayesowski. Przedstawiono także nieparametryczne metody estymacji, drzewa klasyfikacyjne oraz algorytmy bagging i boosting. Analiza regresji, zarówno w wersji parametrycznej, jak i nieparametrycznej, została szczegółowo opisana, wraz z uwagami na temat efektów losowych i modeli mieszanych. Dodatkowo, książka porusza zagadnienia związane z systemami uczącymi się bez nadzoru, w tym analizę składników głównych, estymację gęstości oraz metody wykrywania zmiennych ukrytych. Analiza skupień jest również omawiana z uwzględnieniem metod kombinatorycznych i hierarchicznych. Całość uzupełnia indeks oraz lista cytowanych książek, co czyni tę publikację kompleksowym przewodnikiem po systemach uczących się.
